[发明专利]一种面向无人机机载平台部署的实时目标检测方法及装置

权利要求书

1.一种面向无人机机载平台部署的实时目标检测方法，其特征在于，至少包括如下步骤：

将预先搭建的LiteDenseHG-Net网络模型部署至无人机的机载平台，并通过无人机的机载摄像机实时采集对地画面图像；

对所述机载摄像机实时采集的对地画面图像进行图像预处理后，存储至机载平台的数据库；

将经过图像预处理后的图像输入至所述LiteDenseHG-Net网络模型进行前向计算，得到对应的目标检测结果；

将所述目标检测结果实时发送至所述无人机的控制单元，以使所述控制单元根据所述目标检测结果对无人机进行实时控制；

所述将经过图像预处理后的图像输入至所述LiteDenseHG-Net网络模型进行前向计算，得到对应的目标检测结果，具体为：

将经过图像预处理后的图像进行尺寸转换后，输入至优化后的LiteDenseHG-Net网络模型进行前向预算，得到对应的预测张量；

根据所述预测张量确定该图像对应的预测矩形框；其中，所述预测张量包括无人机目标区域的中心坐标值、宽值、高值、置信度和类别信息；

采用非极大值抑制算法对若干个所述预测矩形框进行计算，得到每个目标区域的置信度最高的目。

2.根据权利要求1所述的面向无人机机载平台部署的实时目标检测方法，其特征在于，所述将预先搭建的LiteDenseHG-Net网络模型部署至无人机的机载平台，具体为：

搭建初步的LiteDenseHG-Net网络模型；

通过采集无人机的历史对地目标图像构建样本数据集；

通过所述样本数据集对所述初步的LiteDenseHG-Net网络模型进行训练优化，得到最优的LiteDenseHG-Net网络模型后部署至无人机的机载平台。

3.根据权利要求2所述的面向无人机机载平台部署的实时目标检测方法，其特征在于，所述通过采集无人机的历史对地目标图像构建样本数据集，还包括：

对采集的所述历史对地目标图像进行二次编辑处理，得到新的无人机图像，组成扩充数据集；其中，所述二次编辑处理包括翻转、剪裁和平移；

对所述扩充数据集中的每一张图像进行标注，得到对应的标签数据；其中，所述标签数据包括无人机待检测目标的中心坐标值、宽值、高值和类别信息。

4.根据权利要求2所述的面向无人机机载平台部署的实时目标检测方法，其特征在于，所述通过所述样本数据集对所述初步的LiteDenseHG-Net网络模型进行训练优化，具体为：

将所述样本数据集中的图像分批次输入至所述初步的LiteDenseHG-Net网络模型中进行卷积和池化处理，得到预设尺度下对应的输出预测结果；

在所述初步的LiteDenseHG-Net网络模型的检测层对所述输出预测结果进行损失值计算，并构建损失函数；

在所述损失函数构建完成后，采用反向梯度传播算法对所述初步的LiteDenseHG-Net网络模型的卷积核参数进行迭代更新；

在判定所述损失值低于预设阈值时，停止训练，得到最优的DenseHR-Net目标检测网络模型。

5.根据权利要求4所述的面向无人机机载平台部署的实时目标检测方法，其特征在于，所述损失值包括边框坐标损失值、目标置信度损失值和类别置信度损失值。

6.根据权利要求1所述的面向无人机机载平台部署的实时目标检测方法，其特征在于，所述图像预处理，具体为：

通过双线性差值法对所述机载摄像机拍摄的RGB三通道图像进行放缩，将图像统一放缩至预设尺寸大小。